2023年8月，艾瑞发布《AIGC系列报告——中国AIGC产业全景报告》，作为AIGC系列首发，报告将展开对AIGC产业的全景洞察、探究生成式AI技术对数字产业的影响变化、绘制“中国AIGC产业全景图谱”、分析主流参与厂商类型与格局策略、各类型厂商发展路径和能力要求变化等，为市场辨析产业发展价值与空间。

研究背景

2023年4月，艾瑞发布《AIGC系列报告——ChatGPT专题》，对OpenAI的研发路径及商业模式、ChatGPT下游应用场景、大语言模型（LLM）对AI产业影响、中国LLM产业价值链等话题进行了分析，初步探讨了AIGC时代下中国大语言模型产业的价值空间与发展方向。

古人有云：日就月将，学有缉熙于光明。人类对人工智能学的潜心钻研终于再度获得重大突破，大模型的涌现能力与AIGC的应用普及为那不一定是AGI但一定更AI的未来提供了确定性的加速度。AI2.0时代的加速到来，不仅是把AI能力融入到现有应用中，更是未来产业范式的再塑造。AI正跳跃式地加速渗透进各行各业，推动一场新的生产力与创造力革命。AI产业链各环节参与者的角色功能、产品服务和应用生态可能将发生变化。

研究方法：

本报告通过业内资深的专家访谈、桌面研究、案例实证研究、行业对比研究、投融资数据统计输出相应研究成果。

摘要

【发展总览】AIGC技术作为新型内容生产方式，将以内容生产模式变革催动生产力革新，引领数实融合浪潮下的产业变革，对人们生产生活方式带来深远的影响，开辟人类生产交互新纪元。艾瑞咨询预测，2023年中国AIGC产业规模约为143亿元，随后进入大模型培育期，持续打造与完善底层算力基建、大模型商店平台等新型基础设施，以此孕育成熟技术与产品形态并将其对外输出。中国AIGC产业生态将日益稳固，完成重点领域、关键场景的技术价值兑现，逐步建立完善模型即服务（MaaS，Model As a Service）产业生态，2030年中国AIGC产业规模有望突破万亿元，达到11441亿元。

【大模型层】大模型是AIGC技术变革的原生驱力。大模型的落地将提速AI工业化生产，并充分释放AI产业潜在市场空间，带来新一轮AI产业化扩散。

从商业化路径来看：1）MaaS是大模型能力落地输出的新业态。2）闭源与开源市场将并存互补，呈现“轻量级模型陆续开源，助力开源生态建设，千亿级模型暂以闭源路径开展”的发展特征。3）基模落地因需求差异展开产业路径分化，以行业级、企业级大模型方式支撑上层应用。4）数据准备、ROI衡量、Prompt工程是连接模型层与应用层的落地三要素，工具层成为AIGC产业新热点。

【应用层】应用层是AIGC技术价值传递的实际落位，将通过对内容生产方式和人机交互方式的改变，深刻影响个人的生产与消费生活。对比国外，我国在开源生态、付费能力和创新力等方面的差距是AIGC 应用发展必须面临的挑战。AIGC应用可分为个人消费和企业服务两个赛道。在个人消费领域， AIGC将以消费级内容和内容创作工具为载体，率先通过UGC进行产业渗透，垄断内容分发的各大流量、社交、视频平台将作为本轮变革的核心，借助AIGC内容与工具进行商业模式创新。在企业服务领域，AIGC技术在SaaS、决策AI、生成AI等多个领域的赋能路径已初步明朗，而在商业价值上，引入AIGC技术能为AI厂商带来显著降本效果，同时厂商借助AIGC技术能满足客户更多场景化需求，带来营收的第二曲线增长。

【算力层】算力层是AIGC发展不可忽视的资源引擎。在OpenAI的GPT模型涌现能力后，AI产业迅速进入大模型为技术支撑的AIGC时代，巨量训推算力需求让本就供需不平的算力产业结构进一步承压算力产业模式将在AIGC时代有所演变，智能算力资源或将更多承载于云服务产品，以MaaS模服务千行百业。大模型时代下，数据中心将进一步优化网络带宽、能源消耗与散热运维等，AI芯片需进一步升级内存、带宽、互联等能力。整体来看，中国正大力推进“东数西算”工程，引导新型数据中心实现集约化、高密化、智能化建设，并坚持自主创新道路，静待国产替代曙光，实现国产“算力+应用”的正循环。

【趋势挑战】从技术突破来看，当前Transformer 仍具明显优势，但学界和业界都在积极突围，未 Transformer不会是唯一解；从应用前景来看，软硬结合、物联网应用升级是趋势，大模型低参化处理后带来全新的手机拍照、语音交互、具身智能机器人应用体验；从社会影响来看，AI将成为基础设施，将替代部分专业性岗位，进而带来社会人力结构和分配方式的重塑；从监管展望来看，政策鼓励AIGC相关研究，放宽了内容容错率，积极推动公开数据建设，但也强调了AI生成标识、境外服务严格监管等方向，宽松鼓励与整顿规范并存。

报告研究范围-AIGC

AIGC与大模型将引领“AI产业”与“产业AI”发展

AIGC（AI-Generated Content）指利用人工智能技术（生成式AI路径）来生成内容的新型内容生产方式。

2022年11月上线的 AIGC应用ChatGPT，凭借其在语义理解、文本创作、代码编写、逻辑推理、知识问答等领域的卓越表现，以及自然语言对话的低门槛交互方式，迅速获得大量用户，于23年1月突破1亿月活，打破前消费级应用的增速记录。ChatGPT等AIGC应用在多个领域的问题解决能力已超出一般人类水平，微软称其在GPT-4（ChatGPT Plus背后运行的大模型）中看到了AGI（通用人工智能）的雏形。大众的生活工作日常出现了Midjourney等新形态的各类AIGC应用，各行业的智能化升级也看到了新的可能性，“AI产业”与“产业AI ” 的想象空间进一步拓展。

AIGC 应用创新的技术支撑为“ 生成对抗网络(GAN)/ 扩散模型(Diffusion)” 与“Transformer预训练大模型”的两类大模型分支，在国外AIGC应用展示出大模型的能量的同时，我国企业也加强了相关产品技术布局，云厂商、AI大厂、创企、各行业公司及技术服务商等产业各领域玩家纷纷发布大模型或基于大模型的应用产品及各类技术服务。相较于一般AI应用，大模型应用的训练及推理需要更强的算力支持。

综上，本报告将围绕模型、应用、算力三个角度对AIGC产业的发展进行探讨，试图在讨论开源闭源、垂直通用、知识幻觉等大模型未来发展的各种不确定性的同时，为AIGC应用的迭代升级、产业的智能化应用，提供尽可能多的研究辅助，为那个不一定是AGI但一定更AI的未来提供确定性的加速度。

AIGC相关政策

为促进AIGC产业健康发展、规范应用，央地各级政府围绕算力、数据、模型、应用等不同方面逐渐完善支持政策体系，且国家层面快速出台聚焦AIGC的合规监管政策。支持政策方面，以完善算力与数据等要素供给为基础，以模型算法创新为关键，以场景应用为牵引，构建活跃的AIGC创新与应用生态。

分区域来看，以北京为代表的AIGC创新及产业要素聚集地在政策层面支持力度更大。

合规监管政策方面，《生成式人工智能服务管理暂行办法》奠定了我国对于AIGC包容审慎、分级分类监管的主基调，明确生成式人工智能服务提供者应承担网络信息安全、个人信息保护等义务，提出需进行安全评估与备案、对生成内容进行标识等服务规范.

中国部分AIGC产业相关政策

政策名称	发文单位	发文时间	类别
《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》	科技部等六部门	2022-08-12	支持类
《互联网信息服务深度合成管理规定》	国家网信办等三部门	2022-11-25	监管类
《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》	国务院	2022-12-19	支持类
《生成式人工智能服务管理暂行办法》	国家网信办等七部门	2023-07-13	监管类
《北京市通用人工智能产业创新伙伴计划	北京市经信局	2023-05-19	支持类
《北京市促进通用人工智能创新发展的若干措施》	北京市政府办公厅	2023-05-30	支持类
《成都市加快大模型创新应用推进人工智能产业高质量发展的若干措施》	成都市经信局市新经济委	2023-08-04	支持类

支持引导类政策–强化基础资源，营造应用生态

应用

支持方式：开放政策性场景资源；建设场景应用试点、场景实验室；发布场景机会清单实施揭榜挂帅；评选场景应用示范项目等。
重点领域：政务（城市治理）、交通、医疗、金融、科研、商贸、教育、文旅、养老等社会重点领域应用。

模型

支持通用大模型与行业模型的开发，并给予专项奖励；
支持企业、高校院所等建设开源社区（平台）…

数据

支持训练数据集、标准测试数据集等数据资源的建设；
加快数据要素市场建设，推进数据分级分类共享、交流、交易；
建设数据安全管控体系…

算力

建立统一的多云算力调度平台，增强算力统筹能力；
支持大型云厂商等市场化企业建设 商业算力基础设施；
推动大型公共算力中心建设…

大模型的落地将提速AI工业化生产，并充分释放AI产业潜在市场空间

大模型类似于一个能力全面且突出的“完全体”，不仅通用性强，且能力相比小模型有较大提升。因此，用大模型做应用开发，可以采用“预训练+微调”开发范式，只需要针对具体任务，对大模型进行二次开发、微调甚至只是单纯以领域知识库做辅助，就可以快速赋能应用。相比独立分散的小模型开发，标准化、流程化程度更高，在开发效率和运维成本上都有较大改善，有效促进了AI的工业化生产。同时，模型能力的提升使得更多AI服务可以落地，有效扩展了AI的应用范围，这些共同促进AI供需两侧潜力释放。

大模型需以行业级、企业级大模型方式支撑上层应用

基础大模型落地面临两大难题，一是终端客户对算力成本的接受能力，二是大模型虽擅长通用领域问题，但往往在垂直行业任务中表现欠佳。因此，基础大模型会通过领域数据或专属知识库进行训练和调优，形成垂直领域的行业大模型或业务大模型；此外，部分企业还具有深度定制、私有化部署的需求，需要在行业大模型基础上，进一步加入企业专有数据进行训练或微调，形成企业级大模型。

从商业化布局角度来看，如今基础大模型厂商可分为三类参与者，分别为云巨头厂商、人工智能公司、学术研究机构及创业公司，在定位有通用能力基座的同时打通向上商业化路径。

其中，云巨头厂商将借助云服务及数据库资源，更强调MaaS能力输出。AI公司或创业公司将借助业务积累或生态资源锚定几个典型行业或业务场景展开商业占领。从开闭源角度来看，基模厂商普遍采用前文所述的“轻量级开源、千亿级闭源”的发展路径，而向上分化的垂直领域厂商将基于开源模型或基模平台开发部署细分领域模型产品，厂商优势在垂类数据与业务理解。若客户如金融行业，对模型的开源性及私有化部署有明确要求，则开源路径会是该类需求的典型落地形态。

大模型产业落地形态及分化路径